Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/59955
| Title: | การตรวจจับหน้าตัดของปลายท่อนซุงจากภาพถ่ายด้านท้ายรถบรรทุกไม้ยูคาลิปตัส |
| Other Titles: | LOG END CROSS-SECTION DETECTION IN IMAGES TAKEN FROM REAR END OF EUCALYPTUS TIMBER TRUCKS |
| Authors: | นพวัชร์ สำแดงเดช |
| Advisors: | สืบสกุล พิภพมงคล |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Suebskul.P@Chula.ac.th,Suebskul.P@Chula.ac.th |
| Subjects: | การประมวลผลภาพ -- เทคนิคดิจิทัล Image processing -- Digital techniques |
| Issue Date: | 2560 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | งานวิจัยนี้เสนอวิธีการตรวจจับหน้าตัดของปลายท่อนซุงที่อยู่ในภาพถ่ายท้ายรถบรรทุกไม้ยูคาลิปตัสโดยใช้การเรียนรู้ด้วยเครื่องและเทคนิคการประมวลผลภาพดิจิทัล โดยใช้ภาพถ่ายจากด้านท้ายรถบรรทุกไม้ยูคาลิปตัส ณ ทางเข้าโรงงานผลิตกระดาษในประเทศไทย โดยแบ่งเป็น 3 ขั้นตอนสำคัญ ขั้นตอนแรกคือการตรวจหารถบรรทุกไม้ยูคาลิปตัส เริ่มจากการตรวจจับวัตถุด้วยโครงสร้างซิงเกิ้ลชอทดีเทคเตอร์ ถูกนำไปใช้ในการหาพื้นที่ของรถบรรทุกไม้โดยระบุพิกัดของขอบเขตที่ตรวจพบรถบรรทุกไม้และกำจัดวัตถุที่ไม่เกี่ยวข้องในภาพ ขั้นตอนที่สองคือการแยกส่วนหน้าตัดของปลายท่อนซุง ซึ่งถูกนำไปใช้เพื่อสกัดจุดภาพเฉพาะส่วนที่เป็นหน้าตัดของปลายท่อนซุงเท่านั้นและแบ่งส่วนปลายท่อนซุงแต่ละท่อนออกจากภาพพื้นหลัง โดยในขั้นตอนนี้ดำเนินการด้วยวิธีการจำแนกทางความหมายตามโครงข่ายคอนโวลูชันแบบทั่วถึง แต่เนื่องจากภาพอาจมีหน้าตัดของปลายท่อนซุงบางส่วนที่ติดกับหน้าตัดของปลายท่อนซุงอื่น รวมถึงอาจมีส่วนที่ไม่ใช่หน้าตัดของปลายท่อนซุงปรากฏขึ้นในภาพผลลัพธ์ ดังนั้นในขั้นตอนสุดท้ายนี้จึงมีวัตถุประสงค์เพื่อแยกปลายท่อนซุงที่เชื่อมติดกันและเพื่อนับหน้าตัดของปลายท่อนซุงโดยใช้เทคนิคการประมวลผลภาพ วิธีการที่เสนอนี้ได้รับการทดสอบด้วยชุดข้อมูลไม้ยูคาลิปตัสบนรถบรรทุกจำนวน 300 ภาพและมีความถูกต้องเฉลี่ยร้อยละ 94.45 ในการแยกส่วนหน้าตัดของปลายท่อนซุงและมีค่าลบเท็จ (False negative) เฉลี่ยร้อยละ 2.71 และค่าลบจริง (False positive) เฉลี่ยร้อยละ 2.84 |
| Other Abstract: | This research presents a method to detect log-end cut area in images by using machine learning and digital image processing techniques. The proposed method was applied to images taken from rear end of eucalyptus timber trucks at an entrance of a paper mill in Thailand. The method consists of three parts. The first part is the eucalyptus truck detection. Single Shot Detector was used to determine the area of a timber truck to identify the coordinates of timber truck area and eliminate undesired objects in the image. In the second part, log segmentation was applied to segment each log from the background using Fully Convolutional Network for semantic segmentation. Since the segmented images might have some log-end cut areas touching other logs and might contain some non-cut area, image processing techniques were then applied to separate and count each log-end cut area. The proposed method was tested with 300 images of a dataset of eucalyptus timber trucks and achieved an average accuracy of 94.45% in log segmentation with 2.71% of false negative and 2.84 % of false positive. |
| Description: | วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2560 |
| Degree Name: | วิทยาศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิทยาศาสตร์คอมพิวเตอร์ |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/59955 |
| URI: | http://doi.org/10.58837/CHULA.THE.2017.1258 |
| metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2017.1258 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5770204221.pdf | 12.28 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.